Google je ponovo pomerio granice onoga što veštačka inteligencija može da postigne u fizičkom svetu. U najnovijem demonstracionom videu, tim istraživača pokazao je kako humanoidni robot uz pomoć modela Gemini 4 Argon uči da igra kornhol – popularnu američku igru bacanja vrećica u rupu.

Iako na prvi pogled deluje kao zabavna demonstracija, u pitanju je ozbiljan tehnološki podvig. Naime, kornhol zahteva preciznu motoriku, procenu rastojanja, prilagođavanje sile bacanja i trenutno donošenje odluka – sve ono što je do sada predstavljalo noćnu moru za robotske sisteme.
Šta zapravo vidimo u videu?
Robot humanoidnog oblika samostalno podiže vrećicu, procenjuje udaljenost od table i izvodi bacanje. Ono što je ključno – Gemini 4 Argon ne koristi unapred programirane pokrete, već uči kroz kombinaciju vizuelnog prepoznavanja i takozvanog reinforcement learning-a (učenja putem pokušaja i grešaka).
Svaki promašaj robot koristi kao podatak. Svaki pogodak dodatno kalibriše njegov model. Ovo je suština onoga što Google naziva “embodied AI” – veštačka inteligencija koja ne postoji samo u oblaku, već deluje u realnom, fizičkom prostoru.
Zašto je ovo važnije nego što izgleda
Ako robot može da nauči da baca vrećicu u rupu sa distance, isti princip se može primeniti na:
1. Industrijsku automatizaciju – roboti koji se sami prilagođavaju novim zadacima na traci, bez potrebe za ponovnim programiranjem.
2. Logistiku i skladišta – precizno hvatanje i slaganje predmeta različitih oblika i težina.
3. Kućne robote – pomoćnike koji mogu da obavljaju nestandardizovane zadatke poput pospremanja stola ili usluga u domaćinstvu.
Ono što Gemini 4 Argon donosi u odnosu na prethodne modele jeste multimodalno razumevanje – istovremena obrada vizuelnih, prostornih i jezičkih informacija. Robot ne samo da “vidi” rupu, već razume kontekst igre, pravila i cilj.
Šta stoji iza imena “Argon”
Google očigledno nastavlja praksu davanja kodnih imena po elementima iz periodnog sistema. Argon je plemeniti gas – stabilan, inertan, ali ključan u mnogim tehnološkim procesima. Simbolično, model nosi sličnu ulogu: stabilna osnova na koju se nadograđuju složene robotske operacije.
Detalji o arhitekturi modela još nisu javno dostupni, ali iz dostupnih snimaka jasno je da je u pitanju značajan iskorak u odnosu na Gemini 3 i prethodne iteracije. Brzina reakcije, glatkoća pokreta i sposobnost prilagođavanja ukazuju na ozbiljna poboljšanja u real-time inference-u – sposobnosti modela da donosi odluke u deliću sekunde.
Trka humanoida se zahuktava
Google nije jedini u ovoj igri. Tesla optimizuje svog Optimusa, Figure AI privlači milijarde u investicijama, a kineski proizvođači poput Unitree-a i UBTech-a izbacuju sve jeftinije humanoidne platforme. Ono što Google za sada drži u prednosti jeste upravo softverski sloj – Gemini ekosistem koji se proteže od tekstualnih asistenata do robotskih sistema.
Demonstracija kornhola možda izgleda trivijalno, ali ona šalje jasnu poruku: era robota koji uče kao ljudi – kroz iskustvo, greške i ponavljanje – više nije naučna fantastika. To se dešava sada, i to u Googleovim laboratorijama.
Izvor: YouTube – Teaching a humanoid robot to play cornhole with Gemini 4 Argon